où va meom ?
Post on 03-Jan-2016
27 Views
Preview:
DESCRIPTION
TRANSCRIPT
Où va MEOM ?
D'où vient MEOM ?Plus vous saurez regarder loin dans le passé, plus vous verrez loin dans le futur. [Winston Churchill]
L'avenir, c'est du passé en préparation. [Pierre Dac]
Effectif des permanents MEOM
CLPJV
BB
JMM, JB
PB
CLP
JMB, TP
AW, ECJLS
CLPJV
BB
JMM, JB
PB
CLP
JMB, TP
AW, ECJLS
Christian Le Provostcréé l’équipe
MEOL/MEOMLeader Modèle des marées mondiales
CLPJV
BB
JMM, JB
PB
CLP
JMB, TP
AW, ECJLS
Démarrage de la modélisation océanique(tourbillons, topographie)
Début en France
L’océan carré
CLPJV
BB
JMM, JB
PB
CLP
JMB, TP
AW, ECJLS
L’aventure altimétrique
Marées,Assimiler la SLA
Topex/Poseidon
Jason 1
CLPJV
BB
JMM, JB
PB
CLP
JMB, TP
AW, ECJLS
Les grands projets de modélisation
MCFTLDYNAMOCLIPPERDIADEMTOPAZ
2
3
45
67
89
101112-13-
14
15
1617 18
19 20
1
2122
CLPJV
BB
JMM, JB
PB
CLP
JMB, TP
AW, ECJLS
Le lancement de l’océanographie opérationnelle
SIMAN/QADRANMERCATORMERSEA
1er projet pré-opérationnel à Grenoble
CLPJV
BB
JMM, JB
PB
CLP
JMB, TP
AW, ECJLS
Le concept du SEEK est posé
et opérationalisé dans SESAM et SAM2/Mercator
CLPJV
BB
JMM, JB
PB
CLP
JMB, TP
AW, ECJLS
« Le » projet de modélisationDRAKKAR
CLPJV
BB
JMM, JB
PB
CLP
JMB, TP
AW, ECJLS
Aujourd'hui
….
Le couplage physico-biogéochimique
Le lancement de SARAL/AltiKa (2011)
Toujours un lien fort avec l'opérationnel (MyOcean, GMMC, GLORYS, …)
Une continuité thématique et méthodologique
Objectifs scientifiquesLe rôle de l'océan dans les variations climatiques: les
variabilités et leurs mécanismes, de l'échelle globale à la sous-mésoéchelle
La prévision océanique à moyen terme : les circulations océaniques et de leur impact sur les écosystèmes marins, la mise en place de l’Océanographie Opérationnelle
La dynamique des fluides géophysiques: comprendre les processus à l'œuvre dans l'océan/les modèles, les paramétriser
Méthodes Modélisation Assimilation de données Données (surtout spatiales)
MEOM en bref …
MEOM en bref …
• Un niveau d'activité scientifique très significatif
• Un savoir faire outils modélisation/assimilation
• Une implication de longue date avec l’altimétrie
• Des avancées déterminantes
Marées, Modélisation, Assimilation, Transferts vers l'opérationnel, …
• Un rôle collectif qui va au delà de notre importance numérique
• Des nouvelles forces (permanentes). Toujours un fort vivier de doc/post-doc
• Un axe fort de coopération avec les mathématiciens appliqués (LJK) pour:
4D-VAR océanique (NEMOVAR), Downscaling (AGRIF)
MEOM en bref … • Une équipe d’océanographie de taille modeste dans un laboratoire des sciences de l'ingénieur
• Des fragilités institutionnelles dans un environnement peu marin
• Une offre de formation locale qui n'est pas optimale
• Des difficultés pour faire reconnaître localement nos priorités scientifiques: thèses, …
• Des soutiens techniques (IR) qui deviennent sous-dimensionnés par rapport aux enjeux
Des mots clés pour demain
Des mots clés pour demainrésolution, régionalisation, couplage, …
Des mots clés pour demain
résolution: vers la sous-mésoéchelle (modèle, assimilation, SARAL/AltiKa, SWOT, Ocean Color)
régionalisation: vers des systèmes de modèles imbriqués et des laboratoires régionaux
couplage: avec l'atmosphère, la biogéochimie, la glace
La modélisation à l'horizon SWOT En 2020 le 1km de résolution sera atteignable à l'échelle globale
Mais ne résoudra pas bien les processus physiques au km
Les moyens de calcul Les capacités de calcul des ordinateurs devraient être OK. Les capacités de stockage:
OK mais de fortes contraintes I/O
Des questions ? Aurons nous le potentiel humain pour regarder les sorties des modèles ?
Où/comment faire tourner ces modèles ?
Faut-il que les modèles atteignent la résolution des données ? Un plateau est peut être atteignable pour certains objectifs scientifique
Même si le budget d'énergie de l'océan n'est pas clos Un modèle global HR avec des modèles régionaux ou de basin à THR peut être
OK à un certain moment L'emboitement de modèles (e.g. AGRIF: Blayo & Debreu, 1999)
En météorologie, les données sont plus nombreuses et à plus haute résolution que les modèles globaux
L'assimilation de données à l'horizon SWOT
L'AD face à De nouvelles complexités pratiques
Taille des bases de données et des vecteurs d'état des modèles Des systèmes de modélisation emboités
Des complexités théoriques croissantes Accroissement des non-linéarités Statistiques non-Gaussiennes
Les nouvelles pistes pour l'AD sontOuvrir de nouvelles voies conceptuelles:
Assimilation non-Gaussienne (e.g. Lauvernet et al., 2009) Assimilation d'images (e. g. Titaud et al., 2010; Verron et al. 2010) Assimilation multi-échelles
Améliorer la paramétrisation des modèles et les forçages (e. g. Skandrani et al., 2009; Wirth & Verron, 2008)
Utiliser des approches hybrides, i.e. 4DVAR and stochastic methods (Robert et al., 2006; Krysta et al., 2010)
Les données SWOT vs. modèle et assimilation
Quelle physique dans les données SWOT ? Quel signal à très haute résolution fourniront les modèles ? Observabilité des modèles ?
Connaître les erreurs associées, "réduire les incertitudes" Biais, corrélations, contrôle de qualité
Redondance des données si la résolution des données est plus fine que la résolution du modèle Data thinning
L'assimilation et la validation des modèles aiment les données et les nouvelles données Malheureusement les satellites n'observent (encore !) que la surface
Des mots clés pour demain
résolution: vers la sous-mésoéchelle (modèle, assimilation, SARAL/AltiKa, SWOT, Ocean Color)
régionalisation: vers des systèmes de modèles imbriqués et des laboratoires régionaux
couplage: avec l'atmosphère, la biogéochimie, la glace
Océan Indien,SOSMOD, BIOCOSM
Océan Indien,SOSMOD, BIOCOSM
Océan Indien,SOSMOD, BIOCOSM
Océan Indien,SOSMOD, BIOCOSM
top related